回答要点
低成本试做应测试最可能使方案失败的关键环节，并走完一条真实的小流程。 仅做一个外观精致的演示，往往只能证明“能展示”，未必证明原始材料能处理、结果能核对或规模扩大后能承担成本。
完整解答
例如，要把 500 份资料转成结构化记录，先挑少量真实文件，覆盖普通文档、表格、扫描件和格式异常等情况；完成读取、提取、保存和核验。若真正难点是扫描件识别，就不应只拿排版整齐的文本试做。样本数量应随差异和错误代价调整，不需要套用统一的“先做十个”。
Anthropic 的代理评估指南建议从真实失败案例起步，同时记录结果、耗时、token 与成本。它在早期系统开发中建议 20—50 个简单任务作为起点；这是工程上的起步建议，不是证明任何方案可行所需的统计样本量。官方指南
一次试做至少要回答：关键字段是否提取正确，例外情况能否识别，用户还需修正多少，以及每项大致消耗多少资源。通过标准最好在看到输出前设定，避免生成得很漂亮就临时降低要求。
例如：
先从资料中选择六份有代表性的文件，说明覆盖哪些差异。完成从读取到保存的全部流程，并逐项对照原文核对日期、金额和主体名称；记录失败原因、人工修订量与用时。若满足已定标准，在授权范围内继续；若关键字段仍不可靠，先修复并复测，再扩展数量。
为这六份反复调好提示后，可以再加入几份未参与调整的新文件，检查规则是否只适配旧样本。试做通过支持扩大下一批，而不是直接承诺 500 份全部正确；扩展时仍要保留与任务风险相称的核验。